Röst till text i Obsidian

Har Obsidian inbyggd röst-till-text?

Nej. Obsidian har ingen inbyggd dikteringsfunktion som omvandlar ditt tal till text i editorn. Core-pluginet Audio Recorder spelar in en ljudfil och bifogar den till din anteckning; det transkriberar inte vad du sade. Det är en användbar sak, men det är motsatsen till vad de flesta som söker efter detta vill ha.

För att få riktig transkription inuti ett vault når man ut efter ett community-plugin. Det vanligaste är "Whisper"-pluginet av nikdanilov. Det spelar in eller laddar upp ljud, skickar det till ett Whisper-kompatibelt transkriptions-API och klistrar resultatet vid din markör. Det fungerar på stationär dator och mobil, och genvägen är Alt+Q som standard. Problemet ligger i dess egna snabbstart: du lägger till en API-nyckel i inställningarna, eftersom det pratar med OpenAI, Groq, Azure eller en annan Whisper-kompatibel tjänst. Det innebär molnet, och det innebär att betala API-leverantören per minut ljud.

Det finns också andra vägar i editorn. Människor kombinerar core Audio Recorder med en transkriptionstjänst som Deepgram, eller kör separata dikteringsverktyg bredvid Obsidian. Alla är bra val. Men lägg märke till den gemensamma nämnaren: de som transkriberar inuti anteckningen skickar nästan alla ditt ljud till ett moln-API och ber om en nyckel. Det finns ett annat sätt att göra detta som hoppar över båda.

Ett plugin i ett vault vs. en genväg överallt

Det här är distinktionen som är värd att klargöra. Ett vault-plugin bor inuti Obsidian. Det transkriberar när du är i en anteckning, med sin egen genväg, och det fungerar bara där. En systemomfattande genvägstangentapp bor ett steg upp, i ditt operativsystem. Den skriver in i Obsidian, men också i din webbläsare, din e-post, din terminal, och varje annan app, för ur datorns synvinkel skriver du bara.

Vilket du vill ha beror på vad du faktiskt gör. Om ditt enda mål är att lägga en inspelad ljudfil i en anteckning och låta den transkriberas på plats, är pluginet byggt precis för det. Om du vill diktera prosa in i editorn som du skulle skriva den, och också diktera överallt annars du skriver, är den systemomfattande appen den bättre formen. Resten av den här guiden handlar mestadels om det andra slaget, eftersom det inte behöver någon nyckel och ingen per-vault-setup.

Det snabbaste sättet: en systemomfattande genväg

Här är det som en skrivbordsapp förändrar kalkylen. Whisper by Remskill är inte ett Obsidian-plugin, en vault-integration, eller en webbläsartillägg. Det är en skrivbordsapp som fungerar som ett tangentbord: tryck på en genväg, tala, och transkriptionen klistras vid markören, i vilken app som helst, din Obsidian-anteckning inkluderad. Det finns ingen API-nyckel att klistra in, eftersom transkriptionsmotorerna körs lokalt på din dator. Det fungerar likadant i Obsidian och i allt annat, eftersom det skriver snarare än integrerar.

Inställningen är kort:

Det är hela loopen. Transkriptionen dyker upp i editorn, du läser den, du fortsätter att skriva.

Tala, och anteckningen fylls i

När det väl kör är upplevelsen anmärkningsvärt oanmärklig på det bästa sättet. Du sätter din markör i en anteckning, håller tangenten, pratar, släpper. En sekund eller så senare sitter texten i editorn som om du hade skrivit den. Ingen separat inspelning att skrubba igenom senare, ingen ljudfil som belamrar vaultet, inget transkriberingsarbete att vänta på. Bara ord där din markör var.

Eftersom den lokala transkriptionen körs på din dator (ren Rust, ingen Python-sidecar, ingen server i loopen), fungerar den offline. För en anteckningsapp är det hela poängen. Tanken du fångar, mötet du sammanfattar, den halvformade idén du inte vill ha indexerad av någon annans loggar — inget av ljudet lämnar din laptop. Vault-pluginsen som anropar ett moln-API kan inte säga det, och Windows egna inbyggda röstinmatning behöver en internetanslutning för att fungera alls. Whispers lokala läge gör det inte.

Hur den fullständiga Whisper-appen ser ut

Genvägen är den del du använder mest, men det finns ett inställningsgränssnitt bakom den. Du väljer din transkriptionsmotor: Whisper-modeller, vars flerspråkiga varianter täcker 99 språk, eller NVIDIAs Parakeet, ungefär 600 MB, 5 till 10 gånger snabbare än Whisper på CPU, som täcker engelska plus 24 europeiska språk. Du ställer in din genväg, hanterar historik och sparar förinställningar. Inget av det krävs för att diktera en anteckning. Det finns där när du vill finjustera.

Rensa upp dikterade anteckningar med AI

Talat språk är rörigt. Du säger "eh", du startar om meningar, du tappar tråden. Whisper har ett valfritt AI-förbättringssteg som trimmar fyllnadsord och städar upp formuleringen innan det klistrar. Så "eh, ja, alltså det, det mötet flyttades, jag tror vi, vi gör det på torsdag nu" blir "Mötet flyttades; jag tror vi gör det på torsdag." För en permanent anteckning du kommer att läsa om senare tjänar den rensningen sitt syfte.

Den rensningen körs lokalt via Ollama, gratis, på din egen dator. Pro-användare kan istället routa det via molnet, men fördelen med att rensa fyllnadsord kräver inte Pro; den finns i den gratis lokala pipelinen. Du kan också stänga av det och klistra in den råa transkriptionen, vilket för en snabb infångning ofta är precis rätt.

Lokalt och privat: dina anteckningar stannar på din dator

Det här är den enda starka åsikten jag sätter mitt namn på för ett anteckningsverktyg: molnexklusiv diktering är en integritetskatastrof som väntar på att transkriberas. Ditt vault är där du förvarar lönekalkylbladet du håller på att utarbeta, mejlet till ditt barns skola, den halvformade tanken du inte är redo att dela. Hela attraktionskraften hos Obsidian för många människor är att anteckningarna är enkla filer på deras egen disk. Att röra ditt ljud för dessa anteckningar genom en leverantörs API ångrar det tyst.

Med Whispers lokala motorer transkriberas inspelningen på din egen CPU och kasseras. Ingen nyckel, inget konto hos transkriptionsleverantören, inget ljud som sitter i en logg någonstans. Det är inte en marknadsföringsmening, det är bara var beräkningen sker. Jag bevittnade en gång ett team som samlade på sig en femsifffrig molnräkning på ett kvartal genom att mata standupinspelningar till ett API; CFO:ns svar var ungefär "eller vi betalar inte för att transkribera möten som redan har anteckningar". Samma logik gäller för ett personligt vault, minus CFO:n.

När ett vault-plugin passar bättre

Jag tänker inte låtsas att den systemomfattande appen vinner i varje fall, för det gör den inte. Om vad du faktiskt har är en mapp med inspelade röstmeddelanden eller mötesljud som du vill transkribera och bifoga inuti specifika anteckningar, är ett vault-plugin som nikdanilovs "Whisper"-plugin byggt precis för det arbetsflödet. Det spelar in eller laddar upp en fil och lägger transkriptionen i anteckningen. Du betalar transkriptions-API:t per minut och hanterar en nyckel, men filen-in, transkription-i-anteckning-loopen är vad det gör — och en genväg-skrivningsapp ersätter inte det.

Det finns också alternativet att-inte-göra-något. Om du bara dikterar den tillfälliga raden, gör ditt operativsystem det redan gratis. På Windows trycker du på Windows-logotyptangenten + H och röstinmatning öppnas i vilken textruta som helst, en Obsidian-anteckning inkluderad. På en Mac gör den inbyggda dikteringsgenvägen detsamma, och på Apple silicon kör den på enheten utan internet. Avvägningen: Windows Win+H behöver en anslutning för att köra, medan macOS-diktering och Whispers lokala läge inte gör det.

Välj det minsta verktyget som löser ditt problem. För en enradsinfångning är det tangenten ditt OS redan har. För att transkribera ljudfiler till specifika anteckningar är det ett vault-plugin. För att diktera prosa i editorn och överallt annars du skriver, offline och utan nyckel, är det den systemomfattande appen.

Vad Whisper kostar

Den lokala dikteringspipelinen — transkription och AI-rensning via Ollama — är gratis för alla inloggade användare, utan kort vid registrering. Så att få in din röst i en anteckning med Whisper kostar ingenting, och det finns ingen transkriptions-API-mätning per minut. Whisper Pro lägger till molnfunktionerna (OpenAI-transkription, moln-AI-förbättring, röstwebbsökning) och har en separat provperiod. De exakta siffrorna finns på prissidan snarare än här, eftersom priser rör på sig och ett blogginlägg är ett dåligt ställe att hålla dem aktuella.

Obsidian kommer förmodligen att få en inbyggd dikteringsfunktion så småningom, som appar tenderar att göra när tillräckligt många installerar tre plugins för att försöka simulera en. Tills dess har ditt vault alternativ: ett vault-plugin för att transkribera ljudfiler, ditt OS för den tillfälliga raden, och en systemomfattande app för att diktera prosa in i editorn utan nyckel eller server i loopen. Tre verktyg, en anteckningsbok. Mestadels behöver du den som håller ljudet på din dator.